performance-learning

# Skill · Performance Learning # F&B Content Engine · core/performance-learning.md # ────────────────────────────────────────────────── ## Purpose 将每一条发布的内容变成学习数据。 自动识别高表现内容的共性模式，提炼进入赢家模式库， 并将洞察反向注入 hook-engine.md 和 brand-voice.md。 **核心原则：Agent 每发一条内容，就比之前更聪明一点。** --- ## 三层架构 ``` Layer 1 · 数据采集 发布时打标签 → 24h/48h/7d 采集指标 → 计算得分 Layer 2 · 模式识别 得分 ≥ 3 → 提炼赢家模式 → 存入 vault/brandcontext.md（赢家模式区） 得分 = 0 → 记录失败原因 → 避免重蹈覆辙 Layer 3 · 自我更新 3+ 赢家共享同一属性 → 更新 hook-engine.md 赢家语调特征 → 更新 brand-voice.md Viral 帖子 → 立即 Lark 通知 + 深度分析 ``` --- ## Layer 1 · 数据采集 ### 1A · 发布时打标签（每次发布必做） 每条内容发布到 AMC Kanban 后，**同时**在对应 `vault/post/YYYYMMDD-post.md` 追加一条记录，填写所有内容属性字段： ``` 必填字段: - post_id [platform]-[YYYYMMDD]-[产品slug] - platform 发布平台 - posted_at 发布时间 - product 产品名称 - hook_type 使用的 hook 类型（craving/deal/discovery/community/contrarian/bts） - format 内容格式（carousel/video/single-image/text-post） - pillar 内容支柱（product/story/educational/community/promotional） - tone 语调（funny/warm/direct/storytelling/expert） - has_price 是否出现价格（true/false） - has_emoji 是否使用 emoji（true/false） - caption_length 文案长度（short/medium/long） - hook_text 实际使用的开头第一句（完整引用） ``` ### 1B · 指标采集时间表 | 采集时间 | 触发条件 | 写入字段 | |---|---|---| | 发布后 24h | cron 自动触发 | `metrics_24h` 全部字段 | | 发布后 48h | cron 自动触发 | `metrics_48h.engagement_rate` | | 发布后 7d | 每周一 08:00 批量更新 | `metrics_7d` 全部字段 | ### 1C · 指标采集来源 | 平台 | 数据来源 | 关键指标 | |---|---|---| | Instagram | Platform Insights API | reach / likes / comments / saves / shares | | TikTok | TikTok Analytics API | views / likes / comments / shares / watch_rate | | 小红书 | 小红书创作者中心（需人工或浏览器） | 点赞 / 收藏 / 评论 / 浏览 | | Facebook | Meta Graph API | reach / reactions / comments / shares | | YouTube | YouTube Analytics API | views / likes / comments / watch_time / CTR | | X | X API v2 | impressions / likes / retweets / replies | > 小红书无公开 API：48h 后发 Lark 提醒团队手动填入数据。 --- ## Layer 2 · 模式识别 ### 2A · 得分计算（发布后 48h 执行） ```python # 伪代码 brand_avg = read_brand_baseline(platform) # 从 vault/brandcontext.md 品牌基准均值 post_er = metrics_48h.engagement_rate ratio = post_er / brand_avg if ratio < 0.5: score = 0 # Poor elif ratio < 1.5: score = 1 # Normal elif ratio < 2.5: score = 2 # Good elif ratio < 4.0: score = 3 # Winner else: score = 4 # Viral # 写入对应 post record update_post_record(post_id, score=score, vs_brand_avg=f"+{(ratio-1)*100:.0f}%") # 同时记录受众信号（audience-intelligence 集成） saves_rate = metrics_48h.saves / metrics_48h.reach shares_rate = metrics_48h.shares / metrics_48h.reach comments_rate = metrics_48h.comments / metrics_48h.reach if saves_rate > 0.05: primary_signal = "saves" # Discoverer 活跃 elif shares_rate > 0.03: primary_signal = "shares" # Considerer→Advocate elif comments_rate > 0.02: primary_signal = "comments" # Regular+Advocate else: primary_signal = "reach" # 仅曝光，未深度互动 inferred_audience = { "saves": "Discoverer", "shares": "Considerer", "comments": "Regular", "reach": "Discoverer", }[primary_signal] update_post_record(post_id, primary_signal=primary_signal, inferred_audience=inferred_audience) ``` ### 2B · 得分触发行为 **Score 0 · Poor** ``` → 在对应 post record 的 Issues/Notes 区写入失败分析： "hook_type=[X] 在 [platform] 表现低于均值 [N]%， 可能原因：[分析：格式/语调/时机/产品类型]" → 在 Kanban 对应任务追加备注："Low performer — 下次同类内容避免此写法" → 不发 Lark 通知（避免噪音） ``` **Score 2 · Good** ``` → 在对应 post record 的 Issues/Notes 区记录成功要素 → 若同一 hook_type 本月第 2 次 Good：写入 vault/brandcontext.md 赢家候选区 ``` **Score 3 · Winner** ``` → 触发 2C 赢家提炼流程 → 发 Lark 通知："🏆 赢家内容：[post_id] 互动率超均值 [N]%，已提炼模式" ``` **Score 4 · Viral** ``` → 触发 2C 赢家提炼流程（深度版，含完整文案归因） → 立即发 Lark 通知："🔥 病毒内容：[post_id]！互动率超均值 [N]% 平台：[platform] | Hook：[hook_text] 这条内容的哪个元素导致了爆发——我将深度分析并更新创作策略。" → 触发 2D 深度归因分析 ``` ### 2C · 赢家模式提炼 当一条帖子得分 ≥ 3，执行以下提炼流程： ``` 1. 读取该帖子的所有内容属性标签 2. 在 vault/brandcontext.md 的赢家模式区检索是否有同平台 + 同 hook_type 的现有模式 A. 有现有模式 → 将本帖 post_id 追加到 supporting_posts → 更新 avg_engagement_lift（取平均） → 更新 last_used 和 times_used B. 无现有模式 → 创建新模式记录（supporting_posts 记录本帖） → 标注"需要第 2 条支撑帖才正式激活" 3. 正式激活条件：supporting_posts ≥ 2 条 Winner 记录 4. 激活后：更新 vault/brandcontext.md 的平台赢家排行 ``` ### 2D · 深度归因分析（仅 Viral 触发） ``` 分析维度： 1. Hook 文本分析 - 用了哪种情绪触发（好奇/渴望/认同/惊讶） - 句式结构（数字开头/问句/陈述/命令句） - 字数（<10字 / 10-20字 / >20字） 2. 发布时机 - 星期几 + 具体时间 - 与节假日/热点事件的关联 3. 内容属性组合 - 哪几个属性同时出现（如 craving + video + has_price=true） 4. 产品特性 - 这个产品之前的历史表现 分析结果写入： - 对应 post record 的 Issues/Notes 字段（详细版） - vault/brandcontext.md 对应模式的 pattern_summary（补充细节） ``` --- ## Layer 3 · 自我更新 ### 3A · Hook Engine 更新（每月第一天） ``` 条件：某 hook_type 在某平台连续 3 个月排名 #1 操作： 1. 读取 hook-engine.md 对应平台的兼容矩阵 2. 将该 hook_type 的 ★ 数上调（★★ → ★★★） 3. 在对应 hook 类型章节追加： "[BRAND_SLUG] 实测赢家 — [具体赢家 hook 文案例子]" 4. 在 Kanban 创建"hook-engine 更新"任务，状态 done 条件：某 hook_type 连续 2 个月得分 0 操作： 1. 将该 hook_type 在该平台的 ★ 数下调（★★★ → ★★） 2. 在 Maintenance 区追加警告备注 ``` ### 3B · Brand Voice 更新（每月第一天） ``` 条件：赢家帖子中某 tone 占比 ≥ 60% 操作： 1. 读取 brand-voice.md 的 BRAND_TONE_OF_VOICE 字段 2. 在字段末尾追加： "[DATA-DRIVEN] 实测最高互动语调：[tone]，占赢家内容 [N]%（截至 [日期]）" 3. 不覆盖原有品牌语调描述，只追加数据洞察 条件：赢家帖子中 has_price=true 占比 ≥ 70% 操作： → 在 brand-voice.md 追加写作规则： "[DATA] 含价格的内容互动率持续高于无价格内容 — 创作时优先考虑价格可见性" ``` ### 3C · 每月基准均值 + 受众信号更新（每月第一天自动执行） ``` 1. 读取 vault/post 过去 30 天的所有 metrics_48h.engagement_rate 2. 按平台分组，计算算术平均 3. 更新 vault/brandcontext.md 的“品牌基准均值”表 4. 如某平台均值环比下跌 >20%： → Lark 警告："[平台] 整体互动率下降 [N]%，可能原因：算法变化/内容老化/竞争加剧" 5. [audience-intelligence] 分析过去 30 天 primary_signal 分布： - 统计 saves/shares/comments/reach 各占比 - 写入 vault/brandcontext.md 受众信号追踪表 - 若连续 2 个月 primary_signal = saves（Discoverer 主导） → 自动将拉新内容比例建议上调至 60% → Lark 通知："受众以新粉为主，建议增加 Discoverer 定向内容" - 若连续 2 个月 primary_signal = comments（Regular 主导） → 自动将留存内容比例建议上调至 60% → Lark 通知："老客互动活跃，建议增加 Regular/Advocate 专属内容" ``` --- ## 与其他技能的集成 ### 被 repurpose-chain 调用（每次创作前） 在 Step 0 Asset Check 之后： ``` 读取 vault/brandcontext.md 的赢家模式区 → 找出匹配当前 [platform] + [product_category] 的激活模式 → 在 Decision Output 中报告： "[Winner Pattern] 找到 N 个赢家模式可参考： - [platform]: [pattern_summary]，推荐 hook_type: [X]" → 在对应平台的内容创作中优先使用赢家 hook_type 和结构 ``` ### 被 cron-jobs 调用 | 时间 | 任务 | |---|---| | 13:00 / 19:00 快照 | 同时触发 24h/48h 指标采集 + 得分计算 | | 每周一 08:00 | 批量更新所有帖子的 7d 指标 | | 每月第一天 10:00 | 触发 3A/3B/3C 自我更新流程 | ### 被 feedback-loop 调用（周日 22:00） feedback-loop 已有的人工反馈处理 + performance-learning 的数据驱动洞察合并为同一份报告： ``` 📊 本周改进摘要 ├── 人工反馈（来自 Lark）: N 条 → M 条改进 └── 数据驱动（来自表现数据）: - 本周赢家: [N 条，hook_type 分布] - 本周 Poor: [N 条，失败原因汇总] - 赢家模式库更新: [新增/更新 N 条模式] ``` --- ## 受保护内容（不自我修改） - `allergen-gate.md` — 食品安全，只由团队手动更新 - `compliance/fda-ftc-rules.md` — 合规规则，不自我修改 - `SOUL.md` — 只接受显式团队指令 - Performance log 原始记录 — 只追加，不删改历史